财务数字化转型下会计数据存在问题与治理

□ 石家庄 付 蕾 裴更生 李玉英

随着数字技术的发展，财务核算重心开始朝着流程处理和场景处理方向迈进，传统的会计数据治理机制已无法满足千万级次的数据精细化处理，如何通过治理让数据发挥更大价值这是企业面临的巨大挑战，它关系着能否实现企业效益的增长。本文从会计数据分类构成入手，梳理出会计数据管理存在着管理标准不统一、无法及时产生分析数据、缺乏有效的监督体制等问题，提出建设会计数据采集制度、会计数据标准体系，会计数据分析机制等有效措施，以期为企业的会计数据治理提供借鉴。

当前社会已经迈入数字经济时代，数字化转型成为企业的共识，随着企业数字化建设的不断深入，业财融合快速发展，会计数据源日益增长，数据作为生产要素，已经成了企业除人财物之外的第四个资产，数字经济时代下会计数据不再只是企业内部的财务专业化数据，会计数据如何驱动企业的经营创造更大的价值，不单是典型的技术问题，同时也是管理问题。以往的数据管理，大多是数据与业务保持独立，各部门数据不能互联互通，不能产生用户所需要的特定信息，数据的价值不能充分发挥，难以满足实时分析和决策的高要求。健全会计数据治理体系，全方面聚合数据源，充分释放数据的价值，既要保障会计数据的安全，又要为成本控制、资金管理、内控体系提供数据支持，从而为企业精细化管理提供准确的信息，推动企业的数字化转型。

一、企业进行会计数据治理的意义

1.利用数据挖掘，实现精准分析。结合企业自身业务特点，强化数据对业务的赋能，打破数据壁垒，财务部门和业务部门建立一致的财务目标，推动数据贯通融合，遵循共同的数据标准，通过推动数据分级分类管理等方式，简化审批流程，保障企业内部的业务协同和充分共享，让数据服务企业经营管理，促进业务创新发展，实现数据驱动的企业管理与运营。

2.利用数据平台，提升治理水平。通过建立企业统一的数据平台，为企业的数字化转型提供技术支撑，实现债务、资金、物资、人力等各方资产数据信息汇总，集成业财生态共享平台数据资源，加强源头数据治理力度，通过财务监察系统加强财务风险管控体系、内部稽核制度建设，开展数据全链条、各环节质量监控，形成数据全生命周期管控模式，夯实企业数据质量的基础，提升数据治理效能。

二、会计数据的分类

会计数据包括外部数据和内部数据，外部数据包括宏观的经济数据、行业市场信息、政府信息、知识产权、媒体舆论、司法诉讼、经营信息、工商信息、风险信息、对外披露会计数据等；内部数据包含企业利益相关者的员工、供应商、客户、税务、投资、资产、合同以及资金、账务数据等各方面的信息。具体到业务场景包括三个层次：第一层次是内外部凭证，包括发票、行程单、火车票、银行回执单、记账凭证、报账单、入库单等；第二个层次是财务数字化的转型数据，不仅指财务的信息系统数据，还包括销售的客商管理系统，采购系统、人资系统等数据；第三个层次是开放性数据，如商业网页、政府网站、应用程序等。

三、会计数据存在的问题

1.数据孤岛问题。企业信息化建设从上世纪80年代开始，经历了单点散状、企业内部信息整合、全面信息系统集成等阶段，各个行业都在摸索中发展，财务信息系统没有建立整体的规划，缺少行业互通的集体标准和共享数据标准，使得数据只能为自己所用。烟囱式信息系统互为孤岛，在使用数据时存在多信息系统取数，重复取数的困境，这一现象的存在使得基于数据分析的决策支撑举步维艰。

2.数据标准问题。各企业信息化系统建设不一致，在命名、编码等过程中存在差异，未形成统一的科目编码规则、科目名称设置、科目级次控制及核算内容。企业数据标准不一致，造成数据无法在不同部门进行共享，财务人员以数据标准为依托，基于数据标准不一致的数据记录信息交互难度大，增加了将业务管理功能提供给业务价值链，使业务职能作用有效发挥的难度。例如，辅助核算项是企业根据自己的业务情况自行设置，财务人员无法从不同维度统计相关科目的涉及信息进行横向纵向的比较；对于采购业务来说，采购管理系统与应付管理系统对接，如果供应商名称、材料名称等数据在不同系统间没有保持一致，那么财务人员不能对采购应付的信息进行有效提取，从而难以实现对企业物流资金流的全面全过程管理。

3.数据质量问题。数据应用的基础就是优质数据，数据质量与数据分析有效相关。在财务领域中，数据采集需遵循及时性、有效性等维度，由于无法达到数据应用端的各维度的需求，使得财务工作效率、质量受到严重影响。例如，采集数据自动化和传输技术不完善，一些数据以线下手工处理为主，导致数据时效性缺失，重复记录多，财务人员不能对数据深入分析，无法形成数据服务，在既定时间里，无法达到数据效用充分发挥。

4.数据顶层设计问题。目前企业的数据治理活动都是项目级、部门级的，缺乏企业级数据治理的顶层设计以及数据治理工作和资源的统筹协调。由于科学规划缺失，没有全面考虑系统之间的集成关系，共享标准不一致，未构建数据共享制度，导致在不同系统内封装数据。数据流通的壁垒使得数据的共享和二次使用严重受限，在治理过程中出现偏离或失误的概率增大，一旦出现偏离或失误又不能及时纠正，将产生难以估计的不良影响。

5.数据安全问题。由于企业之间的共享程度不断深入，企业数据治理的基础首先是数据安全，在技术突飞猛进的同时安全问题越来越关键。从数据生命周期视角出发，在采集、存储、处理数据的过程中，均存在相应的安全隐患。一是外部影响，黑客在恶意内部人员的帮助下找到进入入侵的方式，访问关键数据，盗取商业机密。二是内部人员通过机密数据获取不合法利益。三是在系统建设初期对安全能力的忽视，安全相关的能力优先级较低，易出现数据泄漏问题。

6.数据分析决策困境。海量的数据需要进行分析加工从而形成可供决策使用的信息，但由于分析维度复杂，管理维度多错综复杂，传统的财务报表无法承载这些维度信息，分析得出的数据对决策层的用处不大。具体表现在：数据整理耗时久，经过精心整理做出的报告可能与领导的关注点不一致，决策过时失效；分析需求多变，固定格式的管理会计报告对经营决策支持效果有限，分析报告的质量不高；分析体系僵化，一旦分析需求变化，增加新维度，财务需要从头来过，重新处理加工所有数据；缺乏有效可视化呈现，数据分析的结果仅以报表的形式进行呈现，决策者难以快速从中提取价值。

四、会计数据治理途径

1.掌握完整业财数据资源。据统计，企业财务部门只使用了10%的数据，且以规范记录为主，90%的企业经营过程数据，没有被收集利用，面对数亿级次的数据，传统的会计数据只采集用于交易核算的数据，数据全面采集应是采集企业经营管理转型的全部数据。全面数据采集包括核算数据、交易数据、活动数据、行为数据、第三方数据。核算数据是企业进行业务处理时依据会计准则处理原则在会计凭证、会计账簿、会计报表上所生成的数据；交易数据是企业与客户、供应商、税务等相关利益者进行交易时产生的数据。活动数据是企业与外部相关利益者在进行接触合作过程中生成的除交易数据外的其他非会计数据。行为数据是企业经营过程中，通过大数据工具抓取的相关利益者行为的记录数据。第三方数据是企业所处行业市场情况、国家宏观经济形势及全球经济变化等外部数据。在全部的数据中，企业应梳理与财务决策有关的数据流，进行分类再通过数据分析，确定有价值的会计数据。

2.加快会计数据标准体系构建。企业数据标准管理就是对数据进行统一的定义、理解和应用，其内容为制定统一的数据业务属性、业务规则、管理属性和技术属性规范。数据标准分为基础数据标准和指标数据标准，基础数据标准从三个维度去构建，分别是业务、技术和管理属性，例如企业的组织部门人员，机构、客户供应商人员、组织等。对于指标数据标准来说，就是对会计主数据进行梳理，从而制定相应的标准，同时构建标准文档。财务部门应和业务部门、技术部门联合起来，梳理业财数据库，特别是在不同业务、系统中对数据进行共享，确定指标概念，明确统计标准以及数据来源，这样才可以使数据规则保持一致，使数据口径保持统一，从而维护数据标准的权威性和稳定性，保证数据标准的准确性和可执行性。

3.推进会计数据中台规划与建设。对于财务部门来说，与其它部门协作构建数据治理中台，科学规划数据标准确定数据架构和数据质量，设定相应的检验标准，制定与治理成果相关的法律措施，在不同系统间调用业财数据，使数据问题能够向责任部门进行反馈，从而进一步提高数据质量。数据中台以数据湖为技术集成，具备处理海量数据的能力，支持多样化的数据存储目标，在业务的发生源头把数据集成到数据平台，例如业务活动中运输相关的一些凭证，在运输企业由运输管理系统，这些数据以前可能只采集了运费，现在可以把价格等信息引入到财务计算平台里，使得数据更加完整。当数据进来后，要进行质量校验，把会计的个人经验转化为质量的控制模型进行比对，例如合同号不规范应立即打回去，而不是当它妨碍到数据分析时再进行更正，在源头控制质量，用算法和模型把财务人员脑海中的经验进行转化，与标准进行比对。在事中过程中，对业务数据进行实时监控，如生产线的半成品，会进行视觉扫描检查缺陷情况，如有缺陷，在运算过程中有质量监控的算子去触发监控告警，同时执行弥补策略。此外，数据中台还可以预置一些多维分析的模型和算法，合理分析过去数据对未来进行预测，例如财务现金流的预测，纳税的自动计算等，都可以通过规则算法让其进行自动计算，通过公共数据底座的接入，运用算子进行演算，提供多种维度的数字化场景和服务，最后生成可视化数据。数据管理者使用数据中台，充分发挥数据服务模式，有效治理业务场景，从而促成场景化数据的有效管理。

4.数据治理顶层设计。企业数据治理的顶层设计应站在企业战略的高度，以全局视角对所涉及的各方面、各层次、各要素进行统筹考虑，协调各种资源和关系，确定数据治理目标，并为其制定正确的策略和路径。有效的组织机构是数据治理成功的有力保证，数据治理组织支撑数据治理工作的开展和职责的落实。数据治理组织应首先确定财务部、业务部、技术部的主要职责，界定人员角色。财务部主要对会计数据问题进行梳理，同时对具体业务详细说明，制定业务规则，明确计算逻辑，与技术部联合起来制定科学的数据标准；对于业务部来说，主要是针对财务部查找出的数据问题，核对问题对其进行修订，补齐数据。对于技术部来说，主要和财务部联合起来，在数据源系统内，针对数据问题维护数据，同时进一步优化系统，提供技术支持。此外，数据的制度管理也需要依托顶层设计实现。一方面企业的业务在系统处理中沉淀数据规则，包括数据标准、数据载体、业务规则、算法规则、数据模型和指标模型等，同时把制度设置为预警和阀值，在流程中嵌入，这些数字化的制度需要统筹制定。另一方面财务的组织做转型，从物理集中变成逻辑数据的集中，所有的操作职能更多地向管理智能聚集，与业务部分紧密贴合，这也需要从全局入手。

5.提升会计数据分析能力。企业应当对财务管理人员进行多样化的培养。首先，通过定期开展相应的职业技能培训，及时弥补工作过程中存在的各种问题，使财务人员掌握数字化治理机制，面向业务场景加工和组织数据，充分完善数据库系统和财务信息数据系统，确保数据数值稳定、完整。其次，应当学习必要的科学的技术手段，对财务信息数据进行处理，通过企业自身研发的软件对财务信息数据进行自动化收集和管理，并且对这些数据进行整合与分析，确保数据库内的财务信息数据能够实现集成化的管理。再其次，会计人员还应了解业务流程、财务流程的国家法律、法规、方针政策及内部控制制度，使数据管理达到合规性要求，系统要根据这些规章制度进行流程信息的生成、处理、记录，实现信息流与业务流匹配，并能够真实地反映业务过程，确保财务信息数据的整合工作有序开展。

6.建立会计数据安全监测预警。数据安全治理是数据治理的一部分，它是数据、流程、安全、技术、管理的集合，包括数据防泄漏、云访问安全代理、身份认证管理、用户实体行为分析、数据库审计等不同维度的技术系列，在一定程度上需要整体化的管理机制。首先，企业内部各个部门之间需要对会计数据安全治理的机制取得共识，建立会计数据安全工作体系，明确会计数据安全负责人，加强会计数据处理关键岗位管理，构建重要会计数据处理登记审批机制，强化会计数据从采集、清洗到分析的全过程安全保护。其次，企业组织建立常态化监测预警机制，在安全策略框架下，运用数据安全风险监测预警技术手段，关注重要数据及关键数据，统一汇集、研判、通报数据安全风险信息，按照行业监管部门要求开展风险监测排查，及时防范化解风险隐患。行业监管部门负责建立本地区本领域数据安全监测预警机制，组织管辖范围内的企业开展会计数据安全风险监测和信息报送。再其次，建立应急处置细则，企业和行业汇总分析本地区和本公司数据安全风险，涉及和核心数据安全事件的风险及时上报上级部门。定期实施风险评估，及时发现整改风险问题，并按照要求上报风险评估报告。最后，要加强示范引领，引导企业自动对标管理要求，自觉提升数据安全保护能力；加强监督执法，通过专项行动、监督检查等工作，及时发现违法违规行为，并依法进行处罚。

五、结语

数据治理是有效管理企业数据的重要举措，是实现数字化转型的必经之路，由于市场竞争不断变化，业务变化速度不断增长，会计数据应用的变化速度和质量能否适应市场变化对提升企业业务运营效率和创新企业商业模式具有重要意义。未来企业的数据治理将聚焦政府企业协同快速深化、业务加场景化和智能化、组织机构精细化、商业模式用户化。财务部门要与时代发展相适应，通过数字化技术，以汇聚数据为依托，根据管理情景，建立分析模型，充分数据价值的作用，对企业经营管理给予支持。只有做好企业会计大数据治理，为企业在管理过程中提供数据支持，企业才能够向数字化方向迈进，从而通过数据产生价值，推动企业深入发展。